arXiv 论文：六大 AI 工具文献综述能力测试
原文标题：Can Large Language Models Review the Scientific Literature? A Test Against a 102-Article Benchmark
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文以西班牙羽流天气模式综述及其 102 篇文献为基准，评估六款 AI 工具在检索、解读、综合与提出未来方向四个阶段的表现。机构图书馆权限使 Codex 发现文献数从 42 增至 82、Claude Code 从 15 增至 79；三款工具能识别全部 18 篇实质相关文献，但把 40%–79% 的顺带提及误判为实质相关，综合报告也出现无依据论断与夸大共识。作者给出八条使用建议，认为 LLM 可辅助但不能替代专家判断。
深读 · 结论先行AI 生成展开看要点与影响 ↓
六款 AI 工具文献综述实测：机构图书馆权限使 Codex 发现文献从 42 增至 82、Claude Code 从 15 增至 79
- •基准为西班牙羽流天气模式综述及其 102 篇文献，覆盖检索、解读、综合、提出方向四阶段
- •初始检索中五款工具合计找到 57 篇，最佳单工具 42 篇
- •三款工具识别出全部 18 篇实质相关文献，但把 40%–79% 的顺带提及误判为实质相关
- •综合报告大体准确，但存在无依据论断、引用错误与夸大共识
- •没有任何单一工具在所有任务上表现最佳，作者给出八条使用建议
为什么重要：LLM 可辅助但不可替代专家判断；机构访问权限对检索覆盖的影响甚至大于工具本身差异。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
AI分析40万条Reddit帖子发现Ozempic隐藏副作用
AI 摘要研究利用AI分析约40万条Reddit帖子，发现Ozempic等GLP-1药物此前未被充分记录的副作用。该成果展示AI在药物警戒与真实世界证据挖掘中的潜力，可补充传统临床试验与不良反应报告的盲区。
谷歌AlphaGenome Atlas绘制人类基因组图谱
AI 摘要谷歌DeepMind推出AlphaGenome Atlas，包含人类基因组中每个可能的DNA字母变化的预测图谱，有望加速科学研究并推动疾病治疗。该工具将改变我们对生物学的理解。
Canva 裁员 1271 人，占员工 22%
AI 摘要设计平台 Canva 宣布 13 年来首次大规模裁员，1271 人约占总员工 22% 将被裁撤、转岗或迁往悉尼总部。CEO Melanie Perkins 称需「重建 Canva」以提升团队敏捷度。此举发生在 Canva 全力押注 AI 设计产品、面临成本与 IPO 时机压力的背景下。
苹果 AI 国行版开启 Beta 测试，得物 App 首批接入视觉智能
AI 摘要11 月 4 日，苹果 Apple Intelligence 国行版正式开启 Beta 测试，视觉智能等功能同步开放。得物 App 成为中国市场首批接入苹果 AI 视觉智能功能的应用之一。